Skip to main content
QUICK REVIEW

[논문 리뷰] Twisted by the Pools: Detection of Selfish Anomalies in Proof-of-Work Mining

Shengnan Li, Carlo Campajola|arXiv (Cornell University)|2022. 08. 11.
Blockchain Technology Applications and Security인용 수 4
한 줄 요약

이 논문은 블록 발굴 간격의 이질성을 분석하고 히우리스틱 기반 주소 클러스터링을 결합하여 프로브 오브 워크 암호화폐에서 이타적 마이닝 공격을 탐지하기 위한 통계적 방법을 제안한다. 모나코인, 비트코인 캐시, 이더리움에서 이타적 마이닝의 첫 번째 실증적 증거를 제공하며, 사전에 채굴된 블록을 공유함으로써 블록 유보를 조율하는 마이닝 카르텔이 모나코인에서 존재하는 것으로 드러났다.

ABSTRACT

The core of many cryptocurrencies is the decentralised validation network operating on proof-of-work technology. In these systems, validation is done by so-called miners who can digitally sign blocks once they solve a computationally-hard problem. Conventional wisdom generally considers this protocol as secure and stable as miners are incentivised to follow the behaviour of the majority. However, whether some strategic mining behaviours occur in practice is still a major concern. In this paper we target this question by focusing on a security threat: a selfish mining attack in which malicious miners deviate from protocol by not immediately revealing their newly mined blocks. We propose a statistical test to analyse each miner's behaviour in five popular cryptocurrencies: Bitcoin, Litecoin, Monacoin, Ethereum and Bitcoin Cash. Our method is based on the realisation that selfish mining behaviour will cause identifiable anomalies in the statistics of miner's successive blocks discovery. Secondly, we apply heuristics-based address clustering to improve the detectability of this kind of behaviour. We find a marked presence of abnormal miners in Monacoin and Bitcoin Cash, and, to a lesser extent, in Ethereum. Finally, we extend our method to detect coordinated selfish mining attacks, finding mining cartels in Monacoin where miners might secretly share information about newly mined blocks in advance. Our analysis contributes to the research on security in cryptocurrency systems by providing the first empirical evidence that the aforementioned strategic mining behaviours do take place in practice.

연구 동기 및 목표

  • 이타적 마이닝(채굴자가 블록을 유보하여 전략적 이득을 취함)이 실제 프로브 오브 워크 암호화폐에서 발생하는지 조사하기 위해.
  • 이타적 마이닝 행동을 시사하는 비정상적인 블록 발굴 패턴을 식별할 수 있는 통계적 검정을 개발하기 위해.
  • 거래를 연결하고 마이닝 풀 또는 협력하는 당사자들을 식별하기 위해 히우리스틱 기반 주소 클러스터링을 적용하여 탐지 정확도를 향상시키기 위해.
  • 개별 이타적 마이너뿐만 아니라, 마이너 간의 공모를 포함한 협력 공격도 탐지하기 위해.
  • 협력 마이닝 행동이 실제 블록체인 네트워크에서 전략적으로 발생하는지에 대한 실증적 증거를 제공하여, 정당한 참여 하에서 프rotocol의 안정성에 대한 가정을 도전하기 위해.

제안 방법

  • 이타적 마이닝은 비포isson, 집중된 블록 시간을 유도하므로, 이 블록 간 간격을 사용하여 마이너의 블록 발굴 패턴에서 통계적 이질성을 탐지한다.
  • 모든 마이너의 블록 발굴 시퀀스에 대해 통계적 가설 검정을 적용하여, 정당한 마이닝 하에서 예상되는 지수분포에서의 이탈을 식별한다.
  • 주소 클러스터링 히우리스틱(H₁, H₂, Hₚ)을 사용하여 동일한 실체 아래 여러 주소를 그룹화함으로써, 풀링되거나 협력하는 마이닝 행동을 식별할 수 있도록 한다.
  • 이 접근법은 비트코인, 라이트코인, 모나코인, 이더리움, 비트코인 캐시 등 다섯 개의 PoW 블록체인에 적용되며, 블록 시간에 따라 시간 창을 조정하여 일관된 샘플링을 보장한다.
  • 블록 유보 패tern이 동기화되고 주소 클러스터가 공유되는 마이너 군집을 식별함으로써, 협력 이타적 마이닝을 탐지하기 위해 방법을 확장한다.
  • 각 암호화폐의 설립부터 2020년 말까지의 전체 블록체인 데이터를 사용하여 실증 분석을 수행하였으며, 라벨이 부여된 풀 이름 또는 마이너 주소를 활용하였다.

실험 결과

연구 질문

  • RQ1이타적 마이닝 행동(채굴자가 블록을 유보하여 전략적 이득을 취함)이 주요 프로브 오브 워크 암호화폐에서 실세계에서 실제로 발생하는가?
  • RQ2외부 신뢰 또는 라벨이 부여된 데이터에 의존하지 않고도, 블록 발굴 간격의 통계적 이질성이 이타적 마이닝을 신뢰성 있게 탐지할 수 있는가?
  • RQ3주소 클러스터링 히우리스틱은 협력 마이닝 행동 탐지에 어느 정도 향상시킬 수 있는가?
  • RQ4실세계 블록체인 네트워크에서 블록 유보를 조율하는 검출 가능한 마이닝 카르텔이 존재하는가?
  • RQ5특히 짧은 블록 시간이나 불안정한 디피컬티 조정을 가진 암호화폐에서 이타적 마이닝 공격은 얼마나 보편적인가?

주요 결과

  • 이 연구는 실세계 PoW 블록체인에서 이타적 마이닝 공격에 대한 첫 번째 실증적 증거를 제공하며, 모나코인, 비트코인 캐시, 이더리움에서 비정상적인 이질성이 확인되었다.
  • 모나코인은 비정상 마이너의 뚜렷한 존재를 보이며, 신규로 채굴된 블록에 대해 사전에 정보를 공유하는 다수의 마이너가 협력 이타적 마이닝 공격을 수행하는 것으로 나타났다.
  • 비트코인 캐시에서는 높은 통계적 신뢰도로 이타적 마이닝 행동이 탐지되었으며, 비상 디피컬티 조정(EDA) 알고리즘으로 인한 불안정성과 이전 보고와 일치한다.
  • 이더리움은 이타적 마이닝 패턴이 탐지되었지만, 모나코인과 비트코인 캐시만큼 뚜렷하지 않으며, 짧은 블록 시간과 높은 네트워크 활동으로 인해 이는 설명된다.
  • 주소 클러스터링 기법은 특히 모나코인에서 협력하는 방식으로 행동하는 마이너 그룹을 성공적으로 식별하였다. 여기서 마이닝 카르텔은 사전에 블록 정보를 공유하는 방식으로 운영되는 것으로 나타났다.
  • 통계적 검정은 분석된 다섯 개의 블록체인 전반에서 비정상 마이너를 성공적으로 분리하였으며, 마이닝 풀의 역학과 프로토콜의 불안정성이 전략적 행동을 강화하는 모나코인과 비트코인 캐시에서 가장 높은 탐지율을 보였다.

더 나은 연구,지금 바로 시작하세요

논문 읽기부터 검토까지, 연구 시간을 획기적으로 줄여보세요.

카드 등록 없음 · 무료 플랜 제공

이 리뷰는 AI가 만들고, 인간 에디터가 검토했습니다.